Differentialdiagnose af pulmonale knuder identificeret ved computertomografi (CT) er fortsat en udfordring i klinisk praksis.Her karakteriserer vi det globale metabolom af 480 serumprøver, inklusive sunde kontroller, godartede lungeknuder og stadium I lungeadenokarcinom.Adenocarcinomer udviser unikke metabolomiske profiler, hvorimod godartede knuder og raske individer har høj lighed i metabolomiske profiler.I opdagelsesgruppen (n = 306) blev et sæt af 27 metabolitter identificeret for at skelne mellem benigne og ondartede knuder.AUC for diskriminantmodellen i grupperne med intern validering (n = 104) og ekstern validering (n = 111) var henholdsvis 0,915 og 0,945.Pathway-analyse afslørede øgede glykolytiske metabolitter forbundet med nedsat tryptofan i lungeadenokarcinomserum sammenlignet med godartede knuder og sunde kontroller og foreslog, at tryptofanoptagelse fremmer glykolyse i lungekræftceller.Vores undersøgelse fremhæver værdien af serummetabolitbiomarkører ved vurdering af risikoen for lungeknuder påvist ved CT.
Tidlig diagnose er afgørende for at forbedre overlevelsesraten for kræftpatienter.Resultater fra US National Lung Cancer Screening Trial (NLST) og det europæiske NELSON-studie har vist, at screening med lavdosis computertomografi (LDCT) kan reducere dødeligheden af lungekræft signifikant i højrisikogrupper1,2,3.Siden den udbredte brug af LDCT til lungekræftscreening er forekomsten af tilfældige radiografiske fund af asymptomatiske lungeknuder fortsat med at stige 4 .Pulmonale knuder er defineret som fokale opaciteter op til 3 cm i diameter 5 .Vi står over for vanskeligheder med at vurdere sandsynligheden for malignitet og håndtere det store antal pulmonale knuder, der tilfældigt er opdaget på LDCT.Begrænsninger af CT kan føre til hyppige opfølgningsundersøgelser og falsk-positive resultater, hvilket fører til unødvendig indgriben og overbehandling6.Derfor er der behov for at udvikle pålidelige og nyttige biomarkører til korrekt at identificere lungekræft i de tidlige stadier og differentiere de fleste godartede knuder ved indledende påvisning 7 .
Omfattende molekylær analyse af blod (serum, plasma, mononukleære celler fra perifert blod), herunder genomik, proteomik eller DNA-methylering8,9,10, har ført til stigende interesse for opdagelsen af diagnostiske biomarkører for lungekræft.I mellemtiden måler metabolomiske tilgange cellulære slutprodukter, der er påvirket af endogene og eksogene handlinger og anvendes derfor til at forudsige sygdomsudbrud og -resultat.Væskekromatografi-tandem massespektrometri (LC-MS) er en meget anvendt metode til metabolomiske undersøgelser på grund af dens høje følsomhed og store dynamiske område, som kan dække metabolitter med forskellige fysisk-kemiske egenskaber11,12,13.Selvom global metabolomisk analyse af plasma/serum er blevet brugt til at identificere biomarkører forbundet med lungekræftdiagnose14,15,16,17 og behandlingseffektivitet, er 18 serummetabolitklassifikatorer til at skelne mellem benigne og ondartede lungeknuder endnu at blive undersøgt meget.- massiv forskning.
Adenocarcinom og pladecellecarcinom er de to vigtigste undertyper af ikke-småcellet lungekræft (NSCLC).Forskellige CT-screeningstest indikerer, at adenocarcinom er den mest almindelige histologiske type lungekræft1,19,20,21.I denne undersøgelse brugte vi ultra-performance væskekromatografi-højopløsnings massespektrometri (UPLC-HRMS) til at udføre metabolomiske analyser på i alt 695 serumprøver, inklusive sunde kontroller, godartede lungeknuder og CT-detekteret ≤3 cm.Screening for fase I lungeadenokarcinom.Vi identificerede et panel af serummetabolitter, der adskiller lungeadenokarcinom fra benigne knuder og sunde kontroller.Pathway-berigelsesanalyse afslørede, at unormal tryptofan- og glucosemetabolisme er almindelige ændringer i lungeadenokarcinom sammenlignet med godartede knuder og sunde kontroller.Endelig etablerede og validerede vi en serummetabolisk klassifikator med høj specificitet og sensitivitet til at skelne mellem maligne og godartede lungeknuder påvist af LDCT, hvilket kan hjælpe med tidlig differentialdiagnose og risikovurdering.
I den aktuelle undersøgelse blev køns- og aldersmatchede serumprøver retrospektivt indsamlet fra 174 raske kontroller, 292 patienter med godartede lungeknuder og 229 patienter med stadium I lungeadenokarcinom.Demografiske karakteristika for de 695 forsøgspersoner er vist i supplerende tabel 1.
Som vist i figur 1a blev i alt 480 serumprøver, inklusive 174 sunde kontrol (HC), 170 benigne knuder (BN) og 136 stadium I lungeadenokarcinom (LA) prøver, indsamlet på Sun Yat-sen University Cancer Center.Opdagelseskohorte til umålrettet metabolomisk profilering ved hjælp af ultra-performance væskekromatografi-højopløsnings massespektrometri (UPLC-HRMS).Som vist i supplerende figur 1 blev differentielle metabolitter mellem LA og HC, LA og BN identificeret for at etablere en klassifikationsmodel og yderligere udforske differentiel pathway-analyse.104 prøver indsamlet af Sun Yat-sen University Cancer Center og 111 prøver indsamlet af to andre hospitaler blev udsat for henholdsvis intern og ekstern validering.
en undersøgelsespopulation i opdagelseskohorten, der gennemgik global serummetabolomisk analyse ved hjælp af ultra-performance væskekromatografi-højopløsnings massespektrometri (UPLC-HRMS).b Partiel mindste kvadraters diskriminantanalyse (PLS-DA) af det totale metabolom af 480 serumprøver fra studiekohorten, inklusive raske kontroller (HC, n = 174), godartede knuder (BN, n = 170) og stadium I lungeadenokarcinom (Los Angeles, n = 136).+ESI, positiv elektrospray-ioniseringstilstand, -ESI, negativ elektrospray-ioniseringstilstand.c–e Metabolitter med signifikant forskellige mængder i to givne grupper (two-tailed Wilcoxon signed rank test, falsk opdagelsesrate justeret p-værdi, FDR <0,05) er vist i rødt (fold ændring > 1,2) og blåt (fold ændring < 0,83) .) vist på vulkangrafikken.f Hierarkisk clustering heat map, der viser signifikante forskelle i antallet af annoterede metabolitter mellem LA og BN.Kildedata leveres i form af kildedatafiler.
Det samlede serummetabolom af 174 HC, 170 BN og 136 LA i opdagelsesgruppen blev analyseret ved hjælp af UPLC-HRMS-analyse.Vi viser først, at kvalitetskontrolprøver (QC) samler sig tæt i midten af en uovervåget principal komponentanalyse (PCA) model, hvilket bekræfter stabiliteten af den aktuelle undersøgelses ydeevne (Supplerende figur 2).
Som vist i den partielle mindste kvadraters-diskriminerende analyse (PLS-DA) i figur 1b fandt vi, at der var klare forskelle mellem LA og BN, LA og HC i positiv (+ESI) og negativ (-ESI) elektrosprayioniseringstilstande .isoleret.Der blev dog ikke fundet signifikante forskelle mellem BN og HC i +ESI- og -ESI-betingelser.
Vi fandt 382 differentielle træk mellem LA og HC, 231 differentielle træk mellem LA og BN og 95 differentielle træk mellem BN og HC (Wilcoxon signed rank test, FDR <0,05 og multiple change >1,2 eller <0,83) (Figur .1c-e) )..Toppe blev yderligere annoteret (Supplerende data 3) mod en database (mzCloud/HMDB/Chemspider-bibliotek) ved hjælp af m/z-værdi, retentionstid og fragmenteringsmassespektrumsøgning (detaljer beskrevet i afsnittet Metoder) 22 .Endelig blev 33 og 38 annoterede metabolitter med signifikante forskelle i overflod identificeret for henholdsvis LA versus BN (Figur 1f og Supplerende Tabel 2) og LA versus HC (Supplerende Figur 3 og Supplerende Tabel 2).I modsætning hertil blev kun 3 metabolitter med signifikante forskelle i overflod identificeret i BN og HC (Supplerende tabel 2), i overensstemmelse med overlapningen mellem BN og HC i PLS-DA.Disse differentielle metabolitter dækker en bred vifte af biokemikalier (Supplerende figur 4).Tilsammen viser disse resultater signifikante ændringer i serummetabolomet, der afspejler malign transformation af lungecancer i tidligt stadie sammenlignet med godartede lungeknuder eller raske forsøgspersoner.I mellemtiden antyder ligheden mellem serummetabolomet af BN og HC, at godartede pulmonale knuder kan dele mange biologiske egenskaber med raske individer.I betragtning af at genmutationer af epidermal vækstfaktorreceptor (EGFR) er almindelige i lungeadenokarcinom subtype 23, forsøgte vi at bestemme virkningen af drivermutationer på serummetabolomet.Vi analyserede derefter den overordnede metabolomiske profil af 72 tilfælde med EGFR-status i lungeadenokarcinomgruppen.Interessant nok fandt vi sammenlignelige profiler mellem EGFR-mutantpatienter (n = 41) og EGFR-vildtypepatienter (n = 31) i PCA-analyse (Supplerende figur 5a).Vi identificerede dog 7 metabolitter, hvis forekomst var signifikant ændret hos patienter med EGFR-mutation sammenlignet med patienter med vildtype-EGFR (t-test, p < 0,05 og foldændring > 1,2 eller < 0,83) (Supplerende figur 5b).Størstedelen af disse metabolitter (5 ud af 7) er acylcarnitiner, som spiller en vigtig rolle i fedtsyreoxidationsveje.
Som illustreret i arbejdsgangen vist i figur 2a, blev biomarkører til nodulklassificering opnået ved brug af mindst absolutte svindoperatorer og selektion baseret på 33 differentielle metabolitter identificeret i LA (n = 136) og BN (n = 170).Bedste kombination af variabler (LASSO) – binær logistisk regressionsmodel.Ti-fold krydsvalidering blev brugt til at teste modellens pålidelighed.Variabel udvælgelse og parameterregularisering justeres med en sandsynlighedsmaksimeringsstraf med parameter λ24.Global metabolomics-analyse blev yderligere udført uafhængigt i den interne validerings- (n = 104) og den eksterne validerings- (n = 111) grupper for at teste klassificeringspræstationen af diskriminantmodellen.Som følge heraf blev 27 metabolitter i opdagelsessættet identificeret som den bedste diskriminantmodel med den største gennemsnitlige AUC-værdi (fig. 2b), blandt hvilke 9 havde øget aktivitet og 18 nedsat aktivitet i LA sammenlignet med BN (fig. 2c).
Workflow til opbygning af en pulmonal nodulklassifikator, herunder udvælgelse af det bedste panel af serummetabolitter i opdagelsessættet ved hjælp af en binær logistisk regressionsmodel via ti-fold krydsvalidering og evaluering af prædiktiv ydeevne i interne og eksterne valideringssæt.b Krydsvalideringsstatistik af LASSO-regressionsmodel for metabolisk biomarkørvalg.Tallene angivet ovenfor repræsenterer det gennemsnitlige antal biomarkører valgt ved en given λ.Den røde stiplede linje repræsenterer den gennemsnitlige AUC-værdi ved den tilsvarende lambda.Grå fejlbjælker repræsenterer minimum og maksimum AUC-værdier.Den stiplede linje angiver den bedste model med de 27 udvalgte biomarkører.AUC, areal under modtagerens driftskarakteristik (ROC) kurve.c Foldændringer af 27 udvalgte metabolitter i LA-gruppen sammenlignet med BN-gruppen i opdagelsesgruppen.Rød kolonne – aktivering.Den blå søjle er et fald.d–f Receiver operating characteristic (ROC) kurver, der viser styrken af diskriminantmodellen baseret på 27 metabolitkombinationer i opdagelses-, interne og eksterne valideringssæt.Kildedata leveres i form af kildedatafiler.
En forudsigelsesmodel blev skabt baseret på de vægtede regressionskoefficienter for disse 27 metabolitter (Supplerende tabel 3).ROC-analyse baseret på disse 27 metabolitter gav et område under kurven (AUC) værdi på 0,933, opdagelsesgruppefølsomhed var 0,868, og specificitet var 0,859 (fig. 2d).I mellemtiden, blandt de 38 annoterede differentielle metabolitter mellem LA og HC, opnåede et sæt på 16 metabolitter en AUC på 0,902 med en sensitivitet på 0,801 og specificitet på 0,856 ved at skelne LA fra HC (Supplerende figur 6a-c).AUC-værdier baseret på forskellige foldændringstærskler for differentielle metabolitter blev også sammenlignet.Vi fandt ud af, at klassifikationsmodellen klarede sig bedst til at skelne mellem LA og BN (HC), når foldændringsniveauet blev sat til 1,2 versus 1,5 eller 2,0 (Supplerende figur 7a,b).Klassificeringsmodellen, baseret på 27 metabolitgrupper, blev yderligere valideret i interne og eksterne kohorter.AUC var 0,915 (sensitivitet 0,867, specificitet 0,811) for intern validering og 0,945 (sensitivitet 0,810, specificitet 0,979) for ekstern validering (fig. 2e, f).For at vurdere interlaboratorieeffektiviteten blev 40 prøver fra den eksterne kohorte analyseret i et eksternt laboratorium som beskrevet i metodeafsnittet.Klassificeringsnøjagtigheden opnåede en AUC på 0,925 (supplerende figur 8).Fordi lungepladecellekarcinom (LUSC) er den næstmest almindelige undertype af ikke-småcellet lungekræft (NSCLC) efter lungeadenokarcinom (LUAD), testede vi også den validerede potentielle nytte af metaboliske profiler.BN og 16 tilfælde af LUSC.AUC for diskrimination mellem LUSC og BN var 0,776 (Supplerende figur 9), hvilket indikerer dårligere evne sammenlignet med diskrimination mellem LUAD og BN.
Undersøgelser har vist, at størrelsen af knuder på CT-billeder er positivt korreleret med sandsynligheden for malignitet og forbliver en væsentlig determinant for knudebehandling25,26,27.Analyse af data fra den store kohorte af NELSON-screeningstudiet viste, at risikoen for malignitet hos forsøgspersoner med noder <5 mm endda svarede til risikoen for forsøgspersoner uden noder 28 .Derfor er minimumsstørrelsen, der kræver regelmæssig CT-overvågning, 5 mm, som anbefalet af British Thoracic Society (BTS), og 6 mm, som anbefalet af Fleischner Society 29 .Imidlertid er knuder større end 6 mm og uden tydelige godartede træk, kaldet indeterminate pulmonary nodules (IPN), fortsat en stor udfordring i evaluering og håndtering i klinisk praksis30,31.Vi undersøgte derefter, om nodulstørrelse påvirkede metabolomiske signaturer ved hjælp af poolede prøver fra opdagelses- og interne valideringskohorter.Med fokus på 27 validerede biomarkører sammenlignede vi først PCA-profilerne for HC og BN sub-6 mm metabolomer.Vi fandt, at de fleste af datapunkterne for HC og BN overlappede, hvilket viste, at serummetabolitniveauer var ens i begge grupper (fig. 3a).Funktionskortene på tværs af forskellige størrelsesområder forblev bevarede i BN og LA (fig. 3b, c), hvorimod en adskillelse blev observeret mellem maligne og godartede knuder i 6-20 mm-området (fig. 3d).Denne kohorte havde en AUC på 0,927, specificitet på 0,868 og sensitivitet på 0,820 til at forudsige maligniteten af knuder, der målte 6 til 20 mm (fig. 3e, f).Vores resultater viser, at klassificereren kan fange metaboliske ændringer forårsaget af tidlig malign transformation, uanset nodulstørrelse.
ad Sammenligning af PCA-profiler mellem specificerede grupper baseret på en metabolisk klassificering af 27 metabolitter.CC og BN < 6 mm.b BN < 6 mm vs BN 6–20 mm.i LA 6–20 mm mod LA 20–30 mm.g BN 6–20 mm og LA 6–20 mm.GC, n = 174;BN < 6 mm, n = 153;BN 6–20 mm, n = 91;LA 6-20 mm, n = 89;LA 20–30 mm, n = 77. e Receiver operation characteristic (ROC) kurve, der viser diskriminant modelydelse for noduler 6–20 mm.f Sandsynlighedsværdier blev beregnet ud fra den logistiske regressionsmodel for knuder, der måler 6-20 mm.Den grå stiplede linje repræsenterer den optimale cutoff-værdi (0,455).Tallene ovenfor repræsenterer procentdelen af sager, der forventes for Los Angeles.Brug en tosidet Students t-test.PCA, hovedkomponentanalyse.AUC-areal under kurven.Kildedata leveres i form af kildedatafiler.
Fire prøver (i alderen 44-61 år) med lignende lungeknudestørrelser (7-9 mm) blev yderligere udvalgt for at illustrere ydeevnen af den foreslåede malignitetsforudsigelsesmodel (fig. 4a, b).Ved indledende screening præsenterede Case 1 sig som en solid knude med forkalkning, et træk forbundet med benignitet, hvorimod Case 2 præsenterede sig som en ubestemmelig delvist solid knude uden tydelige godartede træk.Tre runder med opfølgende CT-scanninger viste, at disse tilfælde forblev stabile over en 4-årig periode og blev derfor betragtet som benigne knuder (fig. 4a).Sammenlignet med klinisk evaluering af serielle CT-scanninger identificerede single-shot serummetabolitanalyse med den nuværende klassificeringsmodel hurtigt og korrekt disse godartede knuder baseret på probabilistiske begrænsninger (tabel 1).Figur 4b i tilfælde 3 viser en knude med tegn på pleural retraktion, som oftest er forbundet med malignitet32.Tilfælde 4 præsenteret som en ubestemmelig delvis solid knude uden tegn på en godartet årsag.Alle disse tilfælde blev forudsagt som ondartede ifølge klassificeringsmodellen (tabel 1).Vurderingen af lungeadenokarcinom blev påvist ved histopatologisk undersøgelse efter lungeresektionskirurgi (fig. 4b).For det eksterne valideringssæt forudsagde den metaboliske klassifikator nøjagtigt to tilfælde af ubestemte lungeknuder større end 6 mm (Supplerende figur 10).
CT-billeder af det aksiale vindue i lungerne af to tilfælde af godartede knuder.I tilfælde 1 viste CT-skanning efter 4 år en stabil fast knude på 7 mm med forkalkning i højre underlap.I tilfælde 2 viste CT-scanning efter 5 år en stabil, delvist solid knude med en diameter på 7 mm i højre øvre lap.b Aksiale vindues-CT-billeder af lungerne og tilsvarende patologiske undersøgelser af to tilfælde af stadium I adenocarcinom før lungeresektion.Tilfælde 3 afslørede en knude med en diameter på 8 mm i højre øvre lap med pleural tilbagetrækning.Tilfælde 4 afslørede en delvist solid slebet glasknude, der målte 9 mm i venstre øvre lap.Hæmatoxylin og eosin (H&E) farvning af resekeret lungevæv (skalalinje = 50 μm), der viser det acinære vækstmønster af lungeadenokarcinom.Pile angiver knuder detekteret på CT-billeder.H&E-billeder er repræsentative billeder af flere (>3) mikroskopiske felter undersøgt af patologen.
Samlet viser vores resultater den potentielle værdi af serummetabolitbiomarkører i differentialdiagnosen af pulmonale knuder, hvilket kan udgøre udfordringer ved evaluering af CT-screening.
Baseret på et valideret differentielt metabolitpanel søgte vi at identificere biologiske korrelater af større metaboliske ændringer.KEGG pathway-berigelsesanalyse af MetaboAnalyst identificerede 6 almindelige signifikant ændrede veje mellem de to givne grupper (LA vs. HC og LA vs. BN, justeret p ≤ 0,001, effekt > 0,01).Disse ændringer var karakteriseret ved forstyrrelser i pyruvatmetabolisme, tryptophanmetabolisme, niacin- og nikotinamidmetabolisme, glykolyse, TCA-cyklus og purinmetabolisme (fig. 5a).Vi udførte derefter målrettet metabolomik for at verificere større ændringer ved hjælp af absolut kvantificering.Bestemmelse af almindelige metabolitter i almindeligt ændrede veje ved triple quadrupole massespektrometri (QQQ) under anvendelse af autentiske metabolitstandarder.Demografiske karakteristika for metabolomics-undersøgelsens målprøve er inkluderet i supplerende tabel 4. I overensstemmelse med vores globale metabolomics-resultater bekræftede kvantitativ analyse, at hypoxanthin og xanthin, pyruvat og lactat var øget i LA sammenlignet med BN og HC (fig. 5b, c, p <0,05).Der blev dog ikke fundet signifikante forskelle i disse metabolitter mellem BN og HC.
KEGG pathway berigelsesanalyse af signifikant forskellige metabolitter i LA-gruppen sammenlignet med BN- og HC-grupperne.En to-halet Globaltest blev brugt, og p-værdier blev justeret ved hjælp af Holm-Bonferroni-metoden (justeret p ≤ 0,001 og effektstørrelse > 0,01).b–d Violinplot, der viser niveauer af hypoxanthin, xanthin, lactat, pyruvat og tryptophan i serum HC, BN og LA bestemt ved LC-MS/MS (n = 70 pr. gruppe).Hvide og sorte stiplede linjer angiver henholdsvis medianen og kvartilen.e Violinplot, der viser normaliseret Log2TPM (transkriptioner pr. million) mRNA-ekspression af SLC7A5 og QPRT i lungeadenokarcinom (n = 513) sammenlignet med normalt lungevæv (n = 59) i LUAD-TCGA-datasættet.Den hvide boks repræsenterer interkvartilområdet, den vandrette sorte linje i midten repræsenterer medianen, og den lodrette sorte linje, der strækker sig fra boksen, repræsenterer 95 % konfidensintervallet (CI).f Pearson-korrelationsplot af SLC7A5 og GAPDH-ekspression i lungeadenokarcinom (n = 513) og normalt lungevæv (n = 59) i TCGA-datasættet.Det grå område repræsenterer 95% CI.r, Pearson korrelationskoefficient.g Normaliserede cellulære tryptofanniveauer i A549-celler transficeret med uspecifik shRNA-kontrol (NC) og shSLC7A5 (Sh1, Sh2) bestemt ved LC-MS/MS.Statistisk analyse af fem biologisk uafhængige prøver i hver gruppe præsenteres.h Cellulære niveauer af NADt (total NAD, inklusive NAD+ og NADH) i A549-celler (NC) og SLC7A5 knockdown A549-celler (Sh1, Sh2).Statistisk analyse af tre biologisk uafhængige prøver i hver gruppe præsenteres.i Glykolytisk aktivitet af A549-celler før og efter SLC7A5-knockdown blev målt ved ekstracellulær forsuringshastighed (ECAR) (n = 4 biologisk uafhængige prøver pr. gruppe).2-DG,2-deoxy-D-glucose.Two-tailed Student's t test blev brugt i (b–h).I (g-i) repræsenterer fejlbjælker middelværdien ± SD, hvert eksperiment blev udført tre gange uafhængigt, og resultaterne var ens.Kildedata leveres i form af kildedatafiler.
I betragtning af den betydelige indvirkning af ændret tryptophanmetabolisme i LA-gruppen vurderede vi også serumtryptophanniveauer i HC-, BN- og LA-grupperne ved hjælp af QQQ.Vi fandt, at serumtryptophan var reduceret i LA sammenlignet med HC eller BN (p < 0,001, figur 5d), hvilket er i overensstemmelse med tidligere fund om, at cirkulerende tryptofanniveauer er lavere hos patienter med lungecancer end hos raske kontroller fra kontrolgruppen33,34 ,35.En anden undersøgelse med PET/CT-sporstof 11C-methyl-L-tryptophan viste, at tryptophan-signalretentionstiden i lungekræftvæv var signifikant øget sammenlignet med benigne læsioner eller normalt væv36.Vi antager, at faldet i tryptofan i LA-serum kan afspejle aktiv tryptofanoptagelse af lungekræftceller.
Det er også kendt, at slutproduktet af kynurenin-vejen for tryptophan-katabolisme er NAD+37,38, som er et vigtigt substrat for reaktionen af glyceraldehyd-3-phosphat med 1,3-bisphosphoglycerat i glycolyse39.Mens tidligere undersøgelser har fokuseret på tryptophan-katabolismens rolle i immunregulering, søgte vi at belyse samspillet mellem tryptophan-dysregulering og glykolytiske veje observeret i den aktuelle undersøgelse.Solut transporter familie 7 medlem 5 (SLC7A5) er kendt for at være en tryptofan transporter43,44,45.Quinolinsyre-phosphoribosyltransferase (QPRT) er et enzym placeret nedstrøms for kynurenin-vejen, der omdanner quinolinsyre til NAMN46.Inspektion af LUAD TCGA-datasættet afslørede, at både SLC7A5 og QPRT var signifikant opreguleret i tumorvæv sammenlignet med normalt væv (fig. 5e).Denne stigning blev observeret i stadier I og II såvel som stadier III og IV af lungeadenokarcinom (Supplerende figur 11), hvilket indikerer tidlige forstyrrelser i tryptophanmetabolisme forbundet med tumorigenese.
Derudover viste LUAD-TCGA-datasættet en positiv korrelation mellem SLC7A5 og GAPDH mRNA-ekspression i cancerpatientprøver (r = 0,45, p = 1,55E-26, figur 5f).I modsætning hertil blev der ikke fundet nogen signifikant korrelation mellem sådanne gensignaturer i normalt lungevæv (r = 0,25, p = 0,06, figur 5f).Knockdown af SLC7A5 (Supplerende figur 12) i A549-celler reducerede signifikant cellulære tryptophan- og NAD(H)-niveauer (figur 5g, h), hvilket resulterede i svækket glykolytisk aktivitet målt ved ekstracellulær forsuringshastighed (ECAR) (figur 1).5i).Baseret på metaboliske ændringer i serum og in vitro-detektion antager vi således, at tryptophan-metabolisme kan producere NAD+ gennem kynurenin-vejen og spille en vigtig rolle i at fremme glykolyse i lungekræft.
Undersøgelser har vist, at et stort antal ubestemte lungeknuder påvist af LDCT kan føre til behov for yderligere test såsom PET-CT, lungebiopsi og overbehandling på grund af en falsk-positiv diagnose af malignitet.31 Som vist i figur 6. vores undersøgelse identificerede et panel af serummetabolitter med potentiel diagnostisk værdi, der kan forbedre risikostratificering og efterfølgende håndtering af pulmonale knuder påvist ved CT.
Pulmonale knuder vurderes ved hjælp af lavdosis computertomografi (LDCT) med billeddannelsestræk, der tyder på godartede eller ondartede årsager.Det usikre udfald af knuder kan føre til hyppige opfølgningsbesøg, unødvendige indgreb og overbehandling.Inkluderingen af serummetaboliske klassifikatorer med diagnostisk værdi kan forbedre risikovurderingen og den efterfølgende håndtering af pulmonale knuder.PET positron emissionstomografi.
Data fra det amerikanske NLST-studie og det europæiske NELSON-studie tyder på, at screening af højrisikogrupper med lavdosis computertomografi (LDCT) kan reducere lungekræftdødeligheden1,3.Imidlertid er risikovurdering og efterfølgende klinisk håndtering af et stort antal tilfældige lungeknuder detekteret af LDCT fortsat den mest udfordrende.Hovedmålet er at optimere den korrekte klassificering af eksisterende LDCT-baserede protokoller ved at inkorporere pålidelige biomarkører.
Visse molekylære biomarkører, såsom blodmetabolitter, er blevet identificeret ved at sammenligne lungekræft med raske kontroller15,17.I den aktuelle undersøgelse fokuserede vi på anvendelsen af serummetabolomisk analyse for at skelne mellem godartede og ondartede lungeknuder, der tilfældigt blev opdaget af LDCT.Vi sammenlignede det globale serummetabolom af sund kontrol (HC), benigne lungeknuder (BN) og lungeadenokarcinom (LA)-prøver i stadie I ved hjælp af UPLC-HRMS-analyse.Vi fandt, at HC og BN havde lignende metaboliske profiler, hvorimod LA viste signifikante ændringer sammenlignet med HC og BN.Vi identificerede to sæt serummetabolitter, der adskiller LA fra HC og BN.
Det nuværende LDCT-baserede identifikationsskema for benigne og ondartede knuder er hovedsageligt baseret på størrelse, tæthed, morfologi og væksthastighed af knuder over tid30.Tidligere undersøgelser har vist, at størrelsen af knuder er tæt forbundet med sandsynligheden for lungekræft.Selv hos højrisikopatienter er risikoen for malignitet i noder <6 mm <1%.Risikoen for malignitet for knuder, der måler 6 til 20 mm, varierer fra 8 % til 64 %30.Derfor anbefaler Fleischner Society en cutoff-diameter på 6 mm til rutinemæssig CT-opfølgning.29 Risikovurdering og håndtering af ubestemte pulmonale knuder (IPN) større end 6 mm er dog ikke udført tilstrækkeligt 31 .Nuværende behandling af medfødt hjertesygdom er normalt baseret på vågen ventetid med hyppig CT-overvågning.
Baseret på det validerede metabolom demonstrerede vi for første gang overlapningen af metabolomiske signaturer mellem raske individer og benigne knuder <6 mm.Den biologiske lighed er i overensstemmelse med tidligere CT-fund om, at risikoen for malignitet for knuder <6 mm er lige så lav som for forsøgspersoner uden knuder.30 Det skal bemærkes, at vores resultater også viser, at godartede knuder <6 mm og ≥6 mm har høje lighed i metabolomiske profiler, hvilket tyder på, at den funktionelle definition af benign ætiologi er konsistent uanset nodulstørrelse.Moderne diagnostiske serummetabolitpaneler kan således give et enkelt assay som en udelukkelsestest, når knuder først detekteres på CT og potentielt reducere seriel overvågning.Samtidig skelnede det samme panel af metaboliske biomarkører maligne knuder ≥6 mm i størrelse fra benigne knuder og gav nøjagtige forudsigelser for IPN'er af lignende størrelse og tvetydige morfologiske træk på CT-billeder.Denne serummetabolismeklassifikator klarede sig godt til at forudsige maligniteten af knuder ≥6 mm med en AUC på 0,927.Tilsammen indikerer vores resultater, at unikke serummetabolomiske signaturer specifikt kan afspejle tidlige tumor-inducerede metaboliske ændringer og have potentiel værdi som risikoprædiktorer, uafhængigt af nodulstørrelse.
Navnlig er lungeadenokarcinom (LUAD) og planocellulært karcinom (LUSC) hovedtyperne af ikke-småcellet lungekræft (NSCLC).I betragtning af at LUSC er stærkt forbundet med tobaksbrug47, og LUAD er den mest almindelige histologi af tilfældige lungeknuder påvist ved CT-screening48, blev vores klassificeringsmodel specifikt bygget til fase I adenokarcinomprøver.Wang og kolleger fokuserede også på LUAD og identificerede ni lipidsignaturer ved hjælp af lipidomics til at skelne tidligt lungekræft fra raske individer17.Vi testede den nuværende klassificeringsmodel på 16 tilfælde af stadium I LUSC og 74 benigne knuder og observerede lav LUSC-forudsigelsesnøjagtighed (AUC 0,776), hvilket tyder på, at LUAD og LUSC kan have deres egne metabolomiske signaturer.Faktisk har LUAD og LUSC vist sig at adskille sig i ætiologi, biologisk oprindelse og genetiske aberrationer49.Derfor bør andre typer histologi indgå i træningsmodeller for befolkningsbaseret påvisning af lungekræft i screeningsprogrammer.
Her identificerede vi de seks hyppigst ændrede veje i lungeadenokarcinom sammenlignet med raske kontroller og benigne knuder.Xanthin og hypoxanthin er almindelige metabolitter af purins metaboliske vej.I overensstemmelse med vores resultater var mellemprodukter forbundet med purinmetabolisme signifikant forøget i serum eller væv hos patienter med lungeadenokarcinom sammenlignet med raske kontroller eller patienter på det præinvasive stadium15,50.Forhøjede serumxanthin- og hypoxanthinniveauer kan afspejle den anabolisme, der kræves af hurtigt prolifererende cancerceller.Dysregulering af glukosemetabolismen er et velkendt kendetegn for cancermetabolisme51.Her observerede vi en signifikant stigning i pyruvat og laktat i LA-gruppen sammenlignet med HC- og BN-gruppen, hvilket er i overensstemmelse med tidligere rapporter om glykolytiske pathway-abnormiteter i serummetabolomprofilerne hos patienter med ikke-småcellet lungekræft (NSCLC) og sunde kontroller.resultaterne er konsistente52,53.
Det er vigtigt, at vi observerede en omvendt korrelation mellem pyruvat- og tryptofanmetabolisme i serum af lungeadenokarcinomer.Serumtryptophanniveauer blev reduceret i LA-gruppen sammenlignet med HC- eller BN-gruppen.Interessant nok fandt en tidligere storstilet undersøgelse med en prospektiv kohorte, at lave niveauer af cirkulerende tryptofan var forbundet med en øget risiko for lungekræft 54 .Tryptofan er en essentiel aminosyre, som vi udelukkende får fra maden.Vi konkluderer, at serumtryptophanudtømning i lungeadenokarcinom kan afspejle hurtig udtømning af denne metabolit.Det er velkendt, at slutproduktet af tryptophan-katabolisme via kynurenin-vejen er kilden til de novo NAD+-syntese.Fordi NAD+ primært produceres gennem redningsvejen, er vigtigheden af NAD+ i tryptophanmetabolismen i sundhed og sygdom endnu ikke fastlagt46.Vores analyse af TCGA-databasen viste, at ekspressionen af tryptophantransportør-transportøren 7A5 (SLC7A5) var signifikant øget i lungeadenokarcinom sammenlignet med normale kontroller og var positivt korreleret med ekspressionen af det glykolytiske enzym GAPDH.Tidligere undersøgelser har hovedsageligt fokuseret på tryptophankatabolismens rolle i at undertrykke antitumorimmunresponset40,41,42.Her demonstrerer vi, at inhibering af tryptophanoptagelse ved knockdown af SLC7A5 i lungekræftceller resulterer i et efterfølgende fald i cellulære NAD-niveauer og en samtidig svækkelse af glykolytisk aktivitet.Sammenfattende giver vores undersøgelse et biologisk grundlag for ændringer i serummetabolisme forbundet med malign transformation af lungeadenokarcinom.
EGFR-mutationer er de mest almindelige drivermutationer hos patienter med NSCLC.I vores undersøgelse fandt vi, at patienter med EGFR-mutation (n = 41) havde overordnede metabolomiske profiler svarende til patienter med vildtype-EGFR (n = 31), selvom vi fandt nedsatte serumniveauer af nogle EGFR-mutante patienter hos acylcarnitinpatienter.Den etablerede funktion af acylcarnitiner er at transportere acylgrupper fra cytoplasmaet ind i mitokondriematrixen, hvilket fører til oxidation af fedtsyrer for at producere energi 55 .I overensstemmelse med vores resultater identificerede en nylig undersøgelse også lignende metabolomprofiler mellem EGFR-mutant- og EGFR-vildtypetumorer ved at analysere det globale metabolom af 102 lungeadenokarcinomvævsprøver50.Interessant nok blev acylcarnitinindhold også fundet i EGFR-mutantgruppen.Om ændringer i acylcarnitinniveauer afspejler EGFR-inducerede metaboliske ændringer og de underliggende molekylære veje kan derfor fortjene yderligere undersøgelse.
Som konklusion etablerer vores undersøgelse en serummetabolisk klassifikator til differentialdiagnose af pulmonale knuder og foreslår en arbejdsgang, der kan optimere risikovurdering og lette klinisk styring baseret på CT-scanningsscreening.
Denne undersøgelse blev godkendt af den etiske komité på Sun Yat-sen University Cancer Hospital, det første tilknyttede hospital på Sun Yat-sen University og den etiske komité på Zhengzhou University Cancer Hospital.I grupperne for opdagelse og intern validering blev 174 sera fra raske individer og 244 sera fra godartede knuder indsamlet fra individer, der gennemgår årlige medicinske undersøgelser ved Institut for Kræftkontrol og Forebyggelse, Sun Yat-sen University Cancer Center og 166 godartede knuder.serum.Stadie I lungeadenokarcinomer blev indsamlet fra Sun Yat-sen University Cancer Center.I den eksterne valideringskohorte var der 48 tilfælde af godartede knuder, 39 tilfælde af fase I lungeadenokarcinom fra First Affiliated Hospital ved Sun Yat-sen University og 24 tilfælde af fase I lungeadenokarcinom fra Zhengzhou Cancer Hospital.Sun Yat-sen University Cancer Center indsamlede også 16 tilfælde af planocellulær lungecancer i stadium I for at teste den diagnostiske evne hos den etablerede metaboliske klassifikator (patientkarakteristika er vist i supplerende tabel 5).Prøver fra opdagelseskohorten og intern valideringskohorte blev indsamlet mellem januar 2018 og maj 2020. Prøver for den eksterne valideringskohorte blev indsamlet mellem august 2021 og oktober 2022. For at minimere kønsbias blev der tildelt omtrent lige mange mandlige og kvindelige sager til hver kohorte.Discovery Team og Internt Review Team.Deltagerens køn blev bestemt ud fra selvrapportering.Der blev indhentet informeret samtykke fra alle deltagere, og der blev ikke ydet nogen kompensation.Forsøgspersoner med godartede knuder var dem med en stabil CT-scanningsscore efter 2 til 5 år på analysetidspunktet, bortset fra 1 tilfælde fra den eksterne valideringsprøve, som blev indsamlet præoperativt og diagnosticeret ved histopatologi.Med undtagelse af kronisk bronkitis.Lungeadenokarcinomtilfælde blev indsamlet før lungeresektion og bekræftet ved patologisk diagnose.Fastende blodprøver blev opsamlet i serumseparationsrør uden antikoagulantia.Blodprøver blev koaguleret i 1 time ved stuetemperatur og derefter centrifugeret ved 2851 x g i 10 minutter ved 4°C for at opsamle serumsupernatant.Serumalikvoter blev frosset ved -80°C indtil metabolitekstraktion.Afdelingen for kræftforebyggelse og medicinsk undersøgelse af Sun Yat-sen University Cancer Center indsamlede en pulje af serum fra 100 raske donorer, herunder lige mange mænd og kvinder i alderen 40 til 55 år.Lige store volumener af hver donorprøve blev blandet, den resulterende pulje blev alikvoteret og opbevaret ved -80°C.Serumblandingen blev brugt som referencemateriale til kvalitetskontrol og datastandardisering.
Referenceserum og testprøver blev optøet, og metabolitter blev ekstraheret ved hjælp af en kombineret ekstraktionsmetode (MTBE/methanol/vand) 56 .Kort fortalt blev 50 μl serum blandet med 225 μl iskold methanol og 750 μl iskold methyl-tert-butylether (MTBE).Rør blandingen og inkuber på is i 1 time.Prøverne blev derefter blandet og vortexblandet med 188 μl vand af MS-kvalitet indeholdende interne standarder (13C-lactat, 13C3-pyruvat, 13C-methionin og 13C6-isoleucin, købt fra Cambridge Isotope Laboratories).Blandingen blev derefter centrifugeret ved 15.000 x g i 10 minutter ved 4 °C, og den nedre fase blev overført til to rør (125 μL hver) til LC-MS-analyse i positiv og negativ tilstand.Til sidst blev prøven inddampet til tørhed i en højhastighedsvakuumkoncentrator.
De tørrede metabolitter blev rekonstitueret i 120 μl 80 % acetonitril, hvirvlet i 5 minutter og centrifugeret ved 15.000 × g i 10 minutter ved 4 °C.Supernatanter blev overført til ravfarvede glashætteglas med mikroindsatser til metabolomiske undersøgelser.Umålrettet metabolomisk analyse på en ultra-performance væskekromatografi-højopløsnings massespektrometri (UPLC-HRMS) platform.Metabolitter blev adskilt ved hjælp af et Dionex Ultimate 3000 UPLC-system og en ACQUITY BEH Amide-søjle (2,1 × 100 mm, 1,7 μm, Waters).I positiv ion-tilstand var de mobile faser 95 % (A) og 50 % acetonitril (B), som hver indeholdt 10 mmol/L ammoniumacetat og 0,1 % myresyre.I negativ tilstand indeholdt mobile fase A og B henholdsvis 95 % og 50 % acetonitril, begge faser indeholdt 10 mmol/L ammoniumacetat, pH = 9. Gradientprogrammet var som følger: 0-0,5 min, 2 % B;0,5-12 min, 2-50% B;12-14 min, 50-98% B;14-16 min, 98 % B;16-16.1.min, 98-2% B;16,1–20 min, 2 % B. Søjlen blev holdt ved 40°C og prøven ved 10°C i autosampleren.Strømningshastigheden var 0,3 ml/min, injektionsvolumenet var 3 μl.Et Q-Exactive Orbitrap massespektrometer (Thermo Fisher Scientific) med en elektrospray-ioniseringskilde (ESI) blev betjent i fuld scanningstilstand og koblet med ddMS2-overvågningstilstanden for at indsamle store mængder data.MS-parametrene blev indstillet som følger: sprayspænding +3,8 kV/- 3,2 kV, kapillartemperatur 320°C, beskyttelsesgas 40 arb, hjælpegas 10 arb, sondevarmertemperatur 350°C, scanningsområde 70–1050 m/t, løsning.70 000. Data blev indhentet ved hjælp af Xcalibur 4.1 (Thermo Fisher Scientific).
For at vurdere datakvaliteten blev der genereret poolede kvalitetskontrolprøver (QC) ved at fjerne 10 μL alikvoter af supernatanten fra hver prøve.Seks kvalitetskontrolprøveinjektioner blev analyseret i begyndelsen af den analytiske sekvens for at vurdere stabiliteten af UPLC-MS-systemet.Kvalitetskontrolprøver indføres derefter periodisk i partiet.Alle 11 batcher af serumprøver i denne undersøgelse blev analyseret med LC-MS.Alikvoter af en serumpoolblanding fra 100 raske donorer blev brugt som referencemateriale i respektive batches til at overvåge ekstraktionsprocessen og justere for batch-til-batch-effekter.Umålrettet metabolomisk analyse af opdagelseskohorten, intern valideringskohorte og ekstern valideringskohorte blev udført på Metabolomics Center ved Sun Yat-sen University.Det eksterne laboratorium ved Guangdong University of Technology Analysis and Testing Center analyserede også 40 prøver fra den eksterne kohorte for at teste klassificeringsmodellens ydeevne.
Efter ekstraktion og rekonstitution blev den absolutte kvantificering af serummetabolitter målt ved hjælp af ultrahøjtydende væskekromatografi-tandem massespektrometri (Agilent 6495 triple quadrupole) med en elektrosprayioniseringskilde (ESI) i multipel reaktionsovervågning (MRM) tilstand.En ACQUITY BEH Amide-søjle (2,1 × 100 mm, 1,7 μm, Waters) blev brugt til at adskille metabolitter.Den mobile fase bestod af 90 % (A) og 5 % acetonitril (B) med 10 mmol/L ammoniumacetat og 0,1 % ammoniakopløsning.Gradientprogrammet var som følger: 0-1,5 min, 0% B;1,5-6,5 min, 0-15% B;6,5-8 minutter, 15 % B;8-8,5 min, 15%-0% B;8,5-11,5 min., 0 %B.Søjlen blev holdt ved 40 °C og prøven ved 10 °C i autosampleren.Strømningshastigheden var 0,3 ml/min, og injektionsvolumenet var 1 μL.MS-parametre blev indstillet som følger: kapillarspænding ±3,5 kV, forstøvertryk 35 psi, kappegasstrøm 12 l/min, kappegastemperatur 350°C, tørregastemperatur 250°C og tørregasstrøm 14 l/min.MRM-omdannelserne af tryptofan, pyruvat, lactat, hypoxanthin og xanthin var 205,0-187,9, 87,0-43,4, 89,0-43,3, 135,0-92,3 og 151,0-107.9 hhv.Data blev indsamlet under anvendelse af Mass Hunter B.07.00 (Agilent Technologies).For serumprøver blev tryptophan, pyruvat, lactat, hypoxanthin og xanthin kvantificeret ved hjælp af kalibreringskurver for standardblandingsopløsninger.For celleprøver blev tryptofanindholdet normaliseret til den interne standard og celleproteinmasse.
Topekstraktion (m/z og retentionstid (RT)) blev udført ved anvendelse af Compound Discovery 3.1 og TraceFinder 4.0 (Thermo Fisher Scientific).For at eliminere potentielle forskelle mellem batches blev hver karakteristiske top i testprøven divideret med den karakteristiske top for referencematerialet fra samme batch for at opnå den relative mængde.De relative standardafvigelser af interne standarder før og efter standardisering er vist i supplerende tabel 6. Forskelle mellem de to grupper var karakteriseret ved falsk opdagelsesrate (FDR<0,05, Wilcoxon signed rank test) og foldændring (>1,2 eller <0,83).Rå MS-data for de ekstraherede funktioner og referenceserumkorrigerede MS-data er vist i henholdsvis Supplerende Data 1 og Supplerende Data 2.Peak annotation blev udført baseret på fire definerede niveauer af identifikation, herunder identificerede metabolitter, formodet annoterede forbindelser, formodet karakteriserede forbindelsesklasser og ukendte forbindelser 22 .Baseret på databasesøgninger i Compound Discovery 3.1 (mzCloud, HMDB, Chemspider), blev biologiske forbindelser med MS/MS-matchende validerede standarder eller eksakt match-annotationer i mzCloud (score > 85) eller Chemspider til sidst udvalgt som mellemprodukter mellem differentialmetabolomet.Topannoteringer for hver funktion er inkluderet i Supplerende Data 3. MetaboAnalyst 5.0 blev brugt til univariat analyse af sum-normaliseret metabolitoverflod.MetaboAnalyst 5.0 evaluerede også KEGG pathway berigelsesanalyse baseret på signifikant forskellige metabolitter.Principal komponentanalyse (PCA) og partiel mindste kvadraters diskriminantanalyse (PLS-DA) blev analyseret ved hjælp af ropls-softwarepakken (v.1.26.4) med staknormalisering og autoskalering.Den optimale metabolitbiomarkørmodel til forudsigelse af knuder malignitet blev genereret ved hjælp af binær logistisk regression med mindst absolut svind og selektionsoperator (LASSO, R-pakke v.4.1-3).Ydeevnen af diskriminantmodellen i detektions- og valideringssættene blev karakteriseret ved at estimere AUC baseret på ROC-analyse i henhold til pROC-pakken (v.1.18.0.).Den optimale sandsynlighedsgrænse blev opnået baseret på modellens maksimale Youden-indeks (sensitivitet + specificitet – 1).Prøver med værdier mindre eller større end tærsklen vil blive forudsagt som henholdsvis benigne knuder og lungeadenokarcinom.
A549-celler (#CCL-185, American Type Culture Collection) blev dyrket i F-12K-medium indeholdende 10% FBS.Korte hårnåle RNA (shRNA) sekvenser målrettet SLC7A5 og en nontargeting kontrol (NC) blev indsat i den lentivirale vektor pLKO.1-puro.Antisense-sekvenserne af shSLC7A5 er som følger: Sh1 (5'-GGAGAAACCTGATGAACAGTT-3'), Sh2 (5'-GCCGTGGACTTCGGGAACTAT-3').Antistoffer mod SLC7A5 (#5347) og tubulin (#2148) blev købt fra Cell Signaling Technology.Antistoffer mod SLC7A5 og tubulin blev anvendt i en fortynding på 1:1000 til Western blot-analyse.
Seahorse XF Glycolytic Stress Test måler niveauer af ekstracellulær forsuring (ECAR).I assayet blev glucose, oligomycin A og 2-DG administreret sekventielt for at teste cellulær glykolytisk kapacitet målt ved ECAR.
A549-celler transficeret med ikke-målretningskontrol (NC) og shSLC7A5 (Sh1, Sh2) blev udpladet natten over i skåle med en diameter på 10 cm.Cellemetabolitter blev ekstraheret med 1 ml iskold 80% vandig methanol.Celler i methanolopløsningen blev skrabet af, opsamlet i et nyt rør og centrifugeret ved 15.000 x g i 15 minutter ved 4°C.Saml 800 µl supernatant og tør ved hjælp af en højhastighedsvakuumkoncentrator.De tørrede metabolitpellets blev derefter analyseret for tryptophanniveauer under anvendelse af LC-MS/MS som beskrevet ovenfor.Cellulære NAD(H)-niveauer i A549-celler (NC og shSLC7A5) blev målt under anvendelse af et kvantitativt NAD+/NADH kolorimetrisk kit (#K337, BioVision) i henhold til producentens instruktioner.Proteinniveauer blev målt for hver prøve for at normalisere mængden af metabolitter.
Der blev ikke brugt statistiske metoder til foreløbig at bestemme stikprøvestørrelsen.Tidligere metabolomiske undersøgelser rettet mod biomarkøropdagelse15,18 er blevet betragtet som benchmarks for størrelsesbestemmelse, og sammenlignet med disse rapporter var vores prøve tilstrækkelig.Ingen prøver blev udelukket fra undersøgelseskohorten.Serumprøver blev tilfældigt fordelt til en opdagelsesgruppe (306 tilfælde, 74,6 %) og en intern valideringsgruppe (104 tilfælde, 25,4 %) for ikke-målrettede metabolomiske undersøgelser.Vi udvalgte også tilfældigt 70 tilfælde fra hver gruppe fra opdagelsessættet til målrettede metabolomiske undersøgelser.Efterforskerne blev blindet for gruppetildeling under LC-MS dataindsamling og analyse.Statistiske analyser af metabolomiske data og celleeksperimenter er beskrevet i de respektive sektioner for resultater, figurforklaringer og metoder.Kvantificering af cellulær tryptofan, NADT og glykolytisk aktivitet blev udført tre gange uafhængigt med identiske resultater.
For mere information om undersøgelsesdesignet, se Natural Portfolio Report Abstract, der er knyttet til denne artikel.
De rå MS-data for de ekstraherede funktioner og de normaliserede MS-data for referenceserumet er vist i henholdsvis Supplerende Data 1 og Supplerende Data 2.Peak-annoteringer for differentielle funktioner er præsenteret i Supplerende Data 3. LUAD TCGA-datasættet kan downloades fra https://portal.gdc.cancer.gov/.Inputdataene til at plotte grafen er angivet i kildedataene.Kildedata er angivet for denne artikel.
National Lung Screening Study Group, etc. Reduktion af lungekræftdødelighed med lavdosis computertomografi.Nordengland.J. Med.365, 395-409 (2011).
Kramer, BS, Berg, KD, Aberle, DR og Prophet, PC Lungekræftscreening ved hjælp af lavdosis spiralformet CT: resultater fra National Lung Screening Study (NLST).J. Med.Skærm 18, 109-111 (2011).
De Koning, HJ, et al.Reduktion af lungekræftdødelighed med volumetrisk CT-screening i et randomiseret forsøg.Nordengland.J. Med.382, 503-513 (2020).
Indlægstid: 18. september 2023